AI测试对话式 AI workshop：Voice Agent 全球五城开发实录

RTE开发者社区 · 2025年07月04日 · 34 次阅读

过去几个月，TEN Framework 团队与 Agora 和声网围绕 “对话式 AI” 题，踏上了横跨全球五大城市的精彩旅程——东京、旧金山、巴黎、北京、京都。五场精心筹备的 Workshop 场场爆满，汇聚了来自当地及全球的开发者、创业者、产品经理与语音技术爱好者。得益于 RTE 开发者社区与全球多地 AI 社区的鼎力支持，我们得以深入探讨 Voice Agent 的前沿趋势、真实应用场景与落地开发实践。

每一站，都上演着不同的故事，碰撞出独特的火花。现在，就让我们一起回顾这趟旅程的精彩瞬间！

东京站｜Avatar 实时交互，引爆现场兴奋点

四月，东京，旅程启航。首场 Workshop 聚焦于 Avatar 驱动的实时交互体验。

🤩核心印象： Avatar + 实时交互 = 未来感十足！

🎤重量级分享： Microsoft 深入解析 GPT-4o Realtime API 的语音对话落地；TEN Framework 揭秘开源语音代理框架的最佳实践；声网和 Agora 展示对话式方案的卓越效果与客户案例；Dify 社区大使 Alec Lee 则带来结合 TEN 和 Dify 构建语音交互数字人的创新方案。现场讨论热烈，焦点集中在部署细节、延迟优化及 Demo 的惊艳效果。

💻实战演练：参与者亲自动手，在本地部署 TEN Agent，并通过 Playground 接入 Azure OpenAI 语音服务，亲手搭建出可实时对话的 Voice Agent。从原理到实操，体验全链路打通。现场还有 Felo（AI 翻译）、MeltingHack & TUM.ai（AI 社群）、UniConvo（Chatbot）、EMQ（MQTT 通信）等伙伴交流互动，气氛火热。

旧金山站｜VAD & 轮次检测首秀，开发者聚焦语音体验 “魔鬼细节”

五月，微软大厦，旧金山站。这里聚集了来自 Oracle、Google、字节跳动等大厂，以及 AI 教育、企业效率、医疗等领域的创业者和高校学生，背景极其多元。

🤩核心印象：技术控的盛宴，VAD & 轮次检测解决关键痛点！

🎤技术深度解析： Microsoft、TEN 与声网和 Agora 持续输出干货。TEN 团队首次开源 VAD（语音活动检测）与 Turn Detection（轮次检测）模块成为焦点！该组件能精准判断语音起止和对话轮次，显著提升实时对话的流畅度与自然度。现场提问不断，低延时、模型选择、成本与应用落地是开发者最关心的话题。

💻实战反馈：动手环节体验 TEN Agent + Azure 实时语音交互。甚至有去年就使用过 TEN 的老用户惊喜反馈：部署和编排体验进步巨大！

巴黎站｜深聊语音 AI 爆发点，探讨 Voice Agent 落地路径

五月，巴黎，Vivatech 大会同期活动。我们采用 “Keynote + 圆桌” 的形式，吸引了众多活跃于欧洲语音技术领域的创业公司和开发者，包括欧洲知名 Voice AI 社区 Voice AI Space。

🤩核心印象： C 端应用探索活跃，欧洲视角碰撞新火花！

🎤趋势与落地碰撞：TEN、声网、Agora、Microsoft 带来主题演讲。圆桌讨论 “Voice Agent in Action” 更是干货满满，嘉宾们与特邀的欧洲本地伙伴——ASR 服务商 Gladia 和数字人服务商 Trulience——深入探讨语音 Agent 的真实场景落地。话题覆盖热门应用场景、社区反馈、核心挑战与未来突破。

🍷巴黎 Mingle 时刻：晚间的 Demo 展示与自由交流环节，在葡萄酒与轻食的伴随下，技术讨论也染上了浓浓的巴黎风情。

北京站｜从 TTS 到产品，语音 Agent 的全链路探讨

六月，北京，极客公园 AGI Playground。我们特别设置了两场 Workshop：上半场看趋势，下半场动手干。

🤩核心印象：技术走向纵深，落地需求旺盛，开发者上手更快！

🎤前沿洞察：RTE 开发者社区重磅启动《对话式 AI 白皮书》共建计划；TEN 分享框架设计理念与核心能力；MiniMax 架构师冯雯详解其 Speech 模型在低延迟语音合成与音色定制上的优势；FoloToy 联合创始人郭兴华则从儿童陪伴产品切入，分享 “把技术藏起来” 的落地心得。

📱Lightning Demo：现场观众即兴展示 AI 儿童教育 Metabooks 和旅行助手项目，展现语音 AI 在生活场景的渗透。

深度实战： TEN 团队与阶跃星辰协作，带领参与者完成本地 Voice Agent 的部署与定制开发（模型接入、界面设置、交互逻辑）。经过大半年迭代，现场开发者的 “跑通率” 显著提升，一小时即可完成搭建！

京都站｜扎根本土：ASR、大模型与会议实时翻译

7 月，京都，日本创业大会 IVS 现场。氛围开放轻松，聚焦日本本土化需求。

🤩核心印象：本土化应用开花结果，实时翻译场景亮眼！

🎤本地化视角：除了 TEN、声网和 Agora 的分享，特邀日本本土 ASR 技术专家 Paraparas 团队带来 “以人为中心的信息转化平台” 理念，提供极具本地特色的思考。

📱Lightning Demo： 7 个 AI 项目轮番登场！ FoloToy（AI 语音玩具）、Mosumosu（二次元助手）、Uniconvo（多场景语音 AI bot）、Flowith、MyShell（Agent 平台）、Pasoo（客服实时翻译 Agent）等，现场演示日语店家与英文顾客的无缝沟通，惊艳全场。在披萨的香气中，大家自由体验 demo，畅谈合作可能。